跳到正文
arXiv · 机器人与计算机视觉· Tianxingjian Ding, Mubarak Shah, Yu Tian·· 2026-10-08精选AI 评分83

TERRA:通过学习可迁移的潜在动作进行机器人策略控制

TERRA: Learning Transportable Latent Actions through Temporal Effect Representation and Relational Alignment

AI 导读

论文提出 TERRA 方法,利用紧凑的时间效应表示和关系对齐机制,学习能从视觉过渡中推断出的可迁移潜在动作代码。该方法通过效果锚定传输(EAT)解决潜在动作在不同初始状态下意义一致性问题,在冻结线性读取器下比 UniVLA 更准确且抗干扰更强。

推荐理由

提出通过时间效应表示与关系对齐学习可迁移潜在动作,在 LIBERO 基准上平均成功率达 93.4%,优于 UniVLA。

来源:arXiv · 机器人与计算机视觉 · arxiv.org